Loading...
hidden

Mobile-Version anzeigen

Meta-Navigation

Startseite – Hochschule Luzern

Sprachwahl und wichtige Links

  • Zum Inhalt springen
  • Kontakt
  • Login
  • De
  • En
Suche starten

Hauptnavigation

Departementsnavigation

  • Technik & Architektur
  • Wirtschaft
  • Informatik
  • Soziale Arbeit
  • Design & Kunst
  • Musik

Unternavigation

  • Studium
  • Weiterbildung
  • Forschung
  • International
  • Campus
  • Über uns
  • News & Stories

Unternavigation

Breadcrumbs-Navigation

  1. Forschung Forschung
  2. Space-time machine learning models for valuation and prediction of real estate objects Space-time machine learning models for valuation and prediction of real estate objects

Space-time machine learning models for valuation and prediction of real estate objects

The goal of this project is to develop novel machine learning and statistical models for both hedonic mass appraisal of real estate objects and for scenario-based real estate price prediction.

Kurzinformation

Departement:

Wirtschaft

Status:

Abgeschlossen

Zeitraum:

01.11.2018 - 31.10.2020

hidden

Fakten

Projektart

Forschung

Beteiligte interne Organisationen
  • Institut für Finanzdienstleistungen Zug IFZ
Externe Projektfinanzierer
  • Innosuisse
Finanzierung
  • Innosuisse - HSLU als Hauptforschungspartnerin (Main Research Partner)
hidden

Beteiligte Personen intern

Projektleiter/in
  • Fabio Sigrist
Projektmitarbeiter/in
  • Jakob Dambon
  • Markus Schmidiger

Publikationen

  • Artikel, Rezension; peer reviewed (3)

    • Dambon, Jakob; Fahrländer, Stefan; Karlen, Saira; Lehner, Manuel; Schlesinger, Jaron; Sigrist, Fabio & Zimmermann, Anna (2022). Examining the Vintage Effect in Hedonic Pricing using Spatially Varying Coefficients Models: A Case Study of Single-Family Houses in the Canton of Zurich. Swiss journal of economics and statistics / ed. by the Swiss Society of Economics and Statistics / hrsg. von der Schweiz. Gesellschaft für Volkswirtschaft und Statistik / publ. par la Société suisse d'économie et de statistique, 1.

    • Sigrist, Fabio (2022). Gaussian Process Boosting. Journal of Machine Learning Research (JMLR), 2022(23), 1-46.

    • Dambon, Jakob; Sigrist, Fabio & Furrer, Reinhard (2021). Maximum likelihood estimation of spatially varying coefficient models for large data with an application to real estate price prediction. Spatial Statistics, 1. doi: 10.1016/j.spasta.2020.100470

  • Artikel, Rezension; not peer reviewed (1)

    • Dambon, Jakob; Sigrist, Fabio & Furrer, Reinhard (2021). Joint Variable Selection of both Fixed and Random Effects for Gaussian Process-based Spatially Varying Coefficient Models. arXiv, 1.

  • Sonstige Publikationsformate (1)

    • Dambon, Jakob; Sigrist, Fabio & Furrer, Reinhard (11.10.2019). varycoef: Modeling Spatially Varying Coefficients [Softwareprogramm]. https://cran.r-project.org/web/packages/varycoef/index.html

  • Präsentation (Tagungsbeitrag/Referat/Vortrag) (3)

    • Dambon, Jakob (19.06.2020). varycoef: Modeling Spatially Varying Coefficients. eRum 2020, virtual.

    • Dambon, Jakob (25.10.2019). varycoef:An R Package to Model Spatially Varying Coefficients. Swiss Statistics Seminar, Bern (Switzerland).

    • Dambon, Jakob (09.11.2018). Spatially Varying Coefficients Models: A Comparison of Maximum Likelihood Estimators with other Estimators. Swiss Statistics Seminar, Bern (Switzerland).

Kurzinformation

Departement:

Wirtschaft

Status:

Abgeschlossen

Zeitraum:

01.11.2018 - 31.10.2020

Projektleitung

Prof. Dr. Fabio Sigrist

Dozent

+41 41 757 67 61

E-Mail anzeigen

Footer

FH Zentralschweiz

Links zu den Social-Media-Kanälen

  •  Facebook
  •  Instagram
  •  Twitter
  •  LinkedIn
  •  YouTube
  •  Flickr

Kontakt

Logo Hochschule Luzern

Hochschule Luzern


Werftestrasse 4
6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direkteinstieg

  • Studieninteressierte Bachelor
  • Studieninteressierte Master
  • Weiterbildungsinteressierte
  • Unternehmen & Institutionen
  • Medienschaffende
  • Für Studierende
  • Für Mitarbeitende

Quicklink

  • Personensuche
  • Standorte
  • Aktuell
  • Bibliotheken
  • Agenda
  • Jobs & Karriere
  • Home
  • Räume mieten

Statische Links

  • Newsletter abonnieren
  • Datenschutzerklärung
  • Impressum
  • Institutionell akkreditiert nach HFKG 2019–2026
Logo Swissuniversities

QrCode

QrCode
Wir verwenden Cookies, um Ihnen eine optimale Nutzung der Website zu ermöglichen und um Ihnen auf unserer Website, auf anderen Websites und in sozialen Netzwerken personalisierte Werbung anzuzeigen. Indem Sie diesen Hinweis schliessen oder mit dem Besuch der Seite fortfahren, akzeptieren Sie die Verwendung von Cookies. Weitere Informationen zu diesen Cookies und wie Sie die Datenbearbeitung durch sie ablehnen können, finden Sie in unserer Datenschutzerklärung.
OK